标签:word Python 红楼梦 list 词频 词云 import counts
1.图像用千某网的图片
2.字体采用window自带的字体SIMLI.TTF
3.效果如下:
4.词云处理代码:
import re # 正则表达式库 import collections # 词频统计库 import numpy as np # numpy数据处理库 import jieba # 结巴分词 import wordcloud # 词云展示库 from PIL import Image # 图像处理库 import matplotlib.pyplot as plt # 图像展示库 # 读取文件 with open(r"D:\pycode\红楼梦.txt","r",encoding="utf-8") as fi: string_data = fi.read() # 文本分词 pattern = re.compile(u'\s|\.|(|)|\(|\)|\?|,|。|?|!|\"|“|”|——|\.|:|;') string_data = re.sub(pattern,'',string_data) seg_list_exact = jieba.cut(string_data,cut_all=False) object_list = [] remove_words = [u'什么', u',',u'一个', u'如今', u'那里', u'知道', u'说道',u'你们',u'这里',u'起来',u'出来',u' ',u'他们',u'中',u'在',u'了', u'自己',u'一面',u'我们',u'只见',u'怎么',u'没有',u'两个',u'不是',u'不知',u'这个',u'听见',u'这样',u'进来',u'告诉',u'去', u'就是',u'东西',u'咱们',u'回来',u'只是',u'&',u'众人',u';',u'所以',u'quot',u'如此',u'的话',u'不能',u'不过',u'&'] # 自定义去除词库 for word in seg_list_exact: if word not in remove_words and len(word)>1: object_list.append(word) # 词频统计 word_counts = collections.Counter(object_list) word_counts_top10 = word_counts.most_common(40) # 取前十 #print(word_counts_top10) # 词频展示 mask = np.array(Image.open('D:\pycode\hongloumeng.png')) # 定义词频背景 wc = wordcloud.WordCloud( font_path='D:\pycode\SIMLI.TTF', # 设置字体格式 mask=mask, # 设置背景图 background_color='white', max_words=700, # 最多显示词数 max_font_size=120 # 字体最大值 ) wc.generate_from_frequencies(word_counts) # 从字典生成词云 image_colors = wordcloud.ImageColorGenerator(mask) # 从背景图建立颜色方案 wc.recolor(color_func=image_colors) # 将词云颜色设置为背景图方案 plt.imshow(wc) # 显示词云 plt.axis('off') # 关闭坐标轴 plt.show() # 显示图像
参考自:https://www.jianshu.com/p/28718ba04bc9?from=groupmessage
标签:word,Python,红楼梦,list,词频,词云,import,counts 来源: https://www.cnblogs.com/jonwongz/p/15129657.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。